Question

我有一个有三层的CNN网络，在安装模型后，权重被保存在磁盘上。我第二次加载权重，但这个时间模型增加了一个图层。所以它现在是4层网络。是否可以使用不同的架构传输模型权重？如果是，那怎么样？我正在使用keras进行开发。

对我而言，它显示错误：'您正在尝试将包含3个图层的重量文件加载到具有4个图层的模型中。

提前致谢！

Answer 1

我没有尝试过，但应该可以使用layer.get_weights（）和layer.set_weights（权重）方法。

weights = old_model_layer.get_weights()
new_model_layer.set_weights(weights)

有关详细信息，请参阅https://keras.io/layers/about-keras-layers/。

Answer 2

我回答得有点晚，但是希望这会对别人有所帮助。

这是我的方法：

使用列表存储所有图层：

model_layers = []
model_layers.append(keras.layers.Conv2D(...))
...
model_layers.append(keras.layers.Dense(units=num_classes))
model_layers.append(keras.layers.Softmax())

定义源模型，然后从列表中添加层。从保存的文件中加载权重：

model = keras.Sequential()
for layer in model_layers:
    model.add(layer)
model.compile(...)
model.load_weights(filename)

将原始列表复制到新的临时列表。清除原始列表，并在其中添加目标网络所需的图层的新实例：

temp_layers = model_layers.copy()
model_layers.clear()
model_layers.append(keras.layers.Conv2D(...))
...
model_layers.append(keras.layers.Dense(units=num_classes))
model_layers.append(keras.layers.Softmax())

假定源网络中的所有层都构成目标网络的初始部分，请将所有层引用从临时列表中复制到model_layers。如果需要，请排除分类层。如果知道各个图层的索引，也可以还原它们：
```
for i in range(len(temp_layers) - 2):
    model_layers[i] = temp_layers[i]
```

按照第2步创建新模型：

new_model = keras.Sequential()
for layer in model_layers:
    new_model.add(layer)

添加可能需要的任何其他层（如果需要，还可以包括分类层）：

new_model.add(...)
new_model.add(keras.layers.Dense(units=num_classes))
new_model.add(keras.layers.Softmax())
new_model.compile(...)

我意识到这不是一个普遍的答案。我已经提到了成功实施过程中使用的确切步骤。

随时尝试不同的版本。

权重从一个模型转移到另一个具有不同层结构的模型

2 个答案: